anonym.legal

By · Last updated 2026-03-13

Назад до блогуБезпека ШІ

Samsung тричі злив вихідний код до ChatGPT

Три окремі інженерні команди Samsung передали пропрієтарний код і конфіденційні дані до ChatGPT у квітні 2023 року. Кожен інцидент виявив окремий структурний недолік корпоративних засобів контролю ШІ.

March 13, 20269 хв читання
Samsung ChatGPT leaksource code protectionenterprise AI controlsinsider data leakageMCP Server anonymization

Три інженерні команди, три інциденти, один місяць

У квітні 2023 року Samsung Semiconductor повідомив про три окремі інциденти, в ходяких співробітники передали пропрієтарні дані до ChatGPT протягом одного місяця.

Ці інциденти були непов'язані між собою. До них були залучені різні співробітники на різних посадах, що виконували різні завдання, у різні дні. Їх об'єднувало лише одне: кожен співробітник використовував ChatGPT для досягнення законної робочої мети і ненавмисно передав дані, якими Samsung не мав наміру ділитися з інфраструктурою OpenAI.

Інцидент 1: Інженер-програміст налагоджував код, пов'язаний з обладнанням для виробництва напівпровідників. Налагодження складних систем — поширений сценарій використання ШІ-інструментів: надання коду моделі ШІ з проханням визначити причину несподіваної поведінки. Інженер вставив вихідний код із пропрієтарних систем Samsung для обладнання виробництва напівпровідників до ChatGPT. Код містив інтелектуальну власність, пов'язану з виробничими процесами Samsung.

Інцидент 2: Співробітник готував резюме наради. ШІ-підтримка нотаток і резюмування нарад стали стандартними інструментами робочого процесу в різних галузях. Співробітник надіслав нотатки наради до ChatGPT для резюмування. Ці нотатки містили конфіденційні внутрішні обговорення — бізнес-стратегію, технічні дорожні карти та іншу інформацію, яку Samsung вважав непублічною.

Інцидент 3: Третій співробітник шукав пропозиції щодо оптимізації запиту до бази даних. Оптимізація баз даних — технічно складне завдання, де ШІ-допомога надає реальну цінність. Співробітник надав ChatGPT структуру бази даних і логіку запиту. Логіка запиту містила посилання на пропрієтарні структури даних і бізнес-логіку.

Чому це зробили співробітники

Жоден із трьох співробітників Samsung не діяв безвідповідально за власними професійними стандартами. Вони використовували ШІ-інструмент для завдань, для яких ШІ-інструменти призначені: налагодження коду, резюмування тексту, технічна оптимізація.

Відсутнім елементом у кожному випадку була технічна перешкода. Жодна система не перехоплювала надіслані дані до їх потрапляння на сервери OpenAI. Жоден засіб контролю не позначав ідентифікатори пропрієтарного коду до виходу за межі корпоративної мережі. Жодний архітектурний рівень не стояв між законною робочою потребою співробітника та інфраструктурою ШІ-постачальника.

Співробітники діяли раціонально. ШІ-інструмент надавав реальну допомогу в законних робочих завданнях. Попередження у вигляді внутрішньої політики існувало, але технічного бар'єра не створювало. Наслідок недотримання — потенційні дисциплінарні заходи за випадкову дію — був абстрактним і далеким порівняно з негайною перевагою для продуктивності від використання інструменту.

Результат: три інциденти за один місяць, три розкриття пропрієтарної інформації та корпоративна криза, що спровокувала глобальну хвилю заборон корпоративного ШІ.

Реакція галузі

Внутрішня реакція Samsung була швидкою: доступ до ChatGPT з корпоративних пристроїв обмежено. Розкриття інформації спровокувало ширшу галузеву реакцію, яка показала, наскільки поширеним є первинний стан проблеми.

Організації, що оголосили про заборону або обмеження ШІ-інструментів після інциденту Samsung, включали Bank of America, Citigroup, Goldman Sachs, JPMorgan Chase, Apple і Verizon. Реакція фінансового сектору була особливо масштабною — кілька великих установ одночасно дійшли висновку, що профіль ризику ШІ-інструментів без технічного контролю несумісний з їхніми зобов'язаннями щодо відповідності вимогам.

Кожна організація дійшла одного висновку: проблема не у співробітниках, а попередження у вигляді внутрішньої політики недостатні як засоби контролю. Дані виходили за межі мереж через відсутність технічного бар'єра, а самої по собі внутрішньої політики не достатньо для створення технічного бар'єра.

Частка обходу 71,6%

Підхід із забороною має задокументований відсоток невдач. Дослідження LayerX 2025 року виявило, що 71,6% співробітників, на яких поширюються корпоративні заборони ШІ, продовжують використовувати ШІ-інструменти через особисті облікові записи або пристрої.

Частка обходу відображає базову поведінку: коли інструмент надає реальну цінність для продуктивності, користувачі знаходять обхідні шляхи, а не повністю відмовляються від нього. Співробітник, який виявляє, що ШІ-допомога суттєво прискорює його роботу, не відмовиться від цих інструментів через те, що корпоративна політика забороняє їх на корпоративних пристроях. Він використовуватиме особисті облікові записи на особистих пристроях через канали, які служба безпеки не бачить.

Практичний наслідок частки обходу 71,6% полягає в тому, що заборона ШІ досягає найгіршого можливого результату: корпоративні дані потрапляють до ШІ-постачальників через канали, що взагалі не мають засобів безпеки. Принаймні доступ із корпоративних пристроїв теоретично можна відстежувати. Використання особистих облікових записів повністю невидиме для служби безпеки.

Три інциденти Samsung відбулися на корпоративних пристроях через корпоративний доступ. Співробітники, що обходять заборону, роблять те саме — надають пов'язані з роботою дані ШІ-моделям — через канали без жодного корпоративного нагляду.

Технічний засіб контролю, що усуває першопричину

Інциденти Samsung не були спричинені необережністю співробітників. Їх спричинила архітектура, що не надавала жодного рівня перехоплення між використанням ШІ співробітниками та зовнішньою ШІ-інфраструктурою.

Архітектура Model Context Protocol (MCP) забезпечує прозорий проксі між ШІ-клієнтами та API ШІ-моделей. Для розробників, що використовують Claude Desktop або Cursor IDE — основні інструменти для типу налагодження коду, що спричинив перший інцидент Samsung — MCP-сервер стоїть у протокольному ланцюгу.

До того як будь-який текст досягає ШІ-моделі, MCP-сервер обробляє його через рушій анонімізації. Вихідний код аналізується на наявність пропрієтарних ідентифікаторів: імен функцій, імен змінних, внутрішніх кінцевих точок API, деталей схеми бази даних, значень конфігурації. Вони замінюються структурованими токенами до того, як код потрапляє до ШІ-моделі.

Розробник, що просить Claude налагодити пропрієтарний код Samsung для виробництва напівпровідників через MCP-сервер з анонімізацією, передає код із замінленими токенами пропрієтарних ідентифікаторів. ШІ-модель допомагає з налагодженням, використовуючи анонімізований код — якого достатньо для аналізу коду. Пропрієтарні деталі ніколи не потрапляють на сервери ШІ-постачальника.

Інцидент 1 стає технічно неможливим. Вихідний код виходить із мережі в анонімізованому вигляді. ШІ надає допомогу з налагодженням, яка потрібна інженеру. Інтелектуальна власність Samsung залишається під контролем Samsung.

Та сама архітектура застосовується до Інциденту 2 (резюмування нотаток наради через браузерний ШІ, що вирішується Chrome Extension) та Інциденту 3 (оптимізація запиту до бази даних через будь-який ШІ-інтерфейс кодування, що вирішується анонімізацією MCP).

Інциденти Samsung були попередженням про системну проблему. Технічні засоби контролю, що усувають першопричину, вже існують. Питання в тому, чи розгорнуть їх підприємства, чи продовжуватимуть покладатися на заборони, які вже обходить 71,6% їхніх співробітників.

Дивіться також:

Джерела:

Готові захистити свої дані?

Почніть анонімізувати PII з 285+ типами сутностей на 48 мовах.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.